MétaCan
Menu
← Back to cohort

Cinética e mecanismo de redução de espécies de ferro-heme hipervalentes pelo H2S, cisteína e CO em relação à proteção do trato gastrointestinal e a qualidade da carne

2014· dissertation· pt· W2774907811 on OpenAlexaff
Silvia H. Libardi

Bibliographic record

Venuenot available
Typedissertation
Languagept
FieldAgricultural and Biological Sciences
TopicMeat and Animal Product Quality
Canadian institutionsAdidas (Canada)
FundersCiência sem FronteirasConselho Nacional de Desenvolvimento Científico e TecnológicoFundação de Amparo à Pesquisa do Estado de São Paulo
KeywordsChemistry

Abstract

fetched live from OpenAlex

Estudos da reatividade de espécies oxidantes e a interação destas espécies com estruturas sensíveis a oxidação e antioxidantes em condições biológicas são de grande importância no entendimento dos processos redox em alimentos e no corpo humano.A mioglobina é a ferro heme proteína majoritária do músculo esquelético de mamíferos e a sua ativação por peróxido de hidrogênio dá origem às espécies reativas de ferro heme hipervalentes, perferrilmioglobina e ferrilmioglobina, que podem induzir a condição de estresse oxidativo.A reação das espécies de ferro heme hipervalentes com constituintes do meio biológico ou alimentos como proteínas ou membranas podem tanto afetar a qualidade de produtos cárneos quanto causar danos celulares no trato gastrointestinal durante sua digestão.Pequenas moléculas tais como o NO, H 2 S e CO são produzidas endogenamente em sistemas biológicos e, além de desempenharem importantes funções na manutenção do metabolismo celular, podem apresentar atividade antioxidante.A presente Tese procurou investigar a cinética e o mecanismo para a redução das espécies perferrilmioglobina e ferrilmioglobina pelo monóxido de carbono, reação esta que apresenta constante de velocidade de segunda ordem de k 2 = (3,3 ± 0,6) 10 2 mol L -1 , a 25 o C, para a redução da espécie perferrilmioglobina.Posteriormente, foi investigada a cinética e mecanismo de redução da ferrilmioglobina pelo H 2 S levando à formação da espécie sulfomioglobina-Fe(II).A constante de segunda ordem obtida para a reação entre a espécie protonada da ferrilmioglobina e o H 2 S foi de k 2 = (2,5 ± 0,1) 10 6 L mol -1 s -1 , duas ordens de magnitude superior a constante de velocidade para a reação entre a espécie ferrilmioglobina e o íon HS -, k 2 = (1,0 ± 0,7) 10 4 L mol -1 s -1 a 25 o C. Para a redução da espécie ferrilmioglobina pelo H 2 S/HS -e a formação da espécie sulfomioglobina-Fe(II) observa-se um efeito de compensação de temperatura (ΔH ‡ = (2,1 ± 0,9) kJ mol -1 ) o que é um fator determinante na ocorrência do processo de greening em produtos cárneos condimentados durante estocagem a baixa temperatura.A formação da espécie sulfomioglobina foi também investigada na reação de redução da ferrilmioglobina pela L-cisteína.Para esta reação foi observada dependência do mecanismo da reação com o pH.A formação da espécie sulfomioglobina foi observada para a reação conduzia em meio ácido a neutro, enquanto que para a reação em condições alcalinas, observa-se a formação majoritária da espécie oximioglobina.A reação da cisteína com a espécie protonada da ferrilmioglobina apresentou constante de segunda ordem de k 2 = (5,1 ± 0,4) L mol -1 s -1 , e a reação entre a cisteína diânion e a ferrilmioglobina, em meio alcalino, apresentou constante de velocidade de segunda ordem com k 2 = (0,12 ± 0,01) L mol - 1 s -1 .A diferença de reatividade e no produto da reação é um indicativo da mudança de mecanismo de transferência de elétrons seguida de adição do radical HS • , em meio ácido, para um mecanismo sequencial de transferência de elétrons do dianion da cisteína para as espécies ferrilmioglina e metamioglobina levando a formação de oximioglobina em condições alcalinas.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame machine prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Bench or experimental · Consensus signal: Bench or experimental
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.002
Threshold uncertainty score0.007

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0020.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.060
GPT teacher head0.313
Teacher spread0.253 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designBench or experimental
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations0
Published2014
Admission routes1
Has abstractyes

Explore more

Same topicMeat and Animal Product Quality→French-language works237,207→